目的:在做数据处理时,必然用到矩阵,所以想对numpy的矩阵切割做一个自我的总结和探讨。
- 当矩阵为一维时(即向量):
#一维矩阵(向量)的切割类似于对列表/元组的切片 >>> a=arange(10) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a[0:9] #从下标0开始切割到下标9(不包括9) array([0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> a[:9] #等价于a[0:9] array([0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> a[0:] #从下标0开始到向量最后一个元素 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> a[3:7] #从下标3开始到下标7(不包括7) array([3, 4, 5, 6]) >>> a[:] #取尽 array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
- 当矩阵为二维矩阵时:
#二维矩阵a(5,4),可以看做类C语言中的二维数组,括号从外至内是第1,第2维。(5,4)即第一维有5个向量,每一个向量又是一个包含4个元素的向量(第二维) >>> a=arange(20).reshape(5,4) >>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19]]) >>> a[:,:] #第一维全取,第二维全取,第一维和第二维之间用","相隔,各维中用":"选择“各维下标” array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19]]) >>> a[0:2,1:3] #第一维取下标0到2(不包括2),第二维取下标1到3(不包括3),即取第0~2行的第1~3列元素 array([[1, 2], [5, 6]]) >>> a[:3,1:] #第一维取下标从头至3(不包括3),第二维取下标1至尾 array([[ 1, 2, 3], [ 5, 6, 7], [ 9, 10, 11]]) >>> a[2:,:3] #第一维取下标2至尾,第二维取下标开头至3(不包括3) array([[ 8, 9, 10], [12, 13, 14], [16, 17, 18]])
- 多维矩阵(以三维矩阵为例)
三维矩阵a可以看做类C语言中的三维数组,第一维4,第二维3,第三维3;括号从外至内是第1,第2维,第3维。(更高维数组依次排列) >>> a=arange(36).reshape(4,3,3) >>> a array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]], [[27, 28, 29], [30, 31, 32], [33, 34, 35]]]) #同二维矩阵一样,[]中用","区分维度,同维中用":"切分 >>> a[1:3,:2,1:2] #第一维下标从1至3(不包括3),第二维从开头至2(不包括2),第三维下标从1至2(不包括2) array([[[10], [13]], [[19], [22]]]) >>> a[:,:,:] #全选 array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]], [[27, 28, 29], [30, 31, 32], [33, 34, 35]]])总之,numpy的矩阵分割就是根据"[]"从外至内一层层按着“:”给出的下标范围一层层切分。